分析師日常:工具人爬坑指南

語言: CN / TW / HK

編輯導語:一名分析師的日常業務是什麼?這個問題的提出,其實是幫助分析師進一步瞭解自身的業務情況,以及所應解決的核心事務、所達成的核心目標是什麼,進而找到資料價值。本篇文章裡,作者就分析師所應做的事項做了梳理,不妨一看。

分析師日常做什麼?關於這個問題,我聽過許多吐槽。

  • A業務線處於0-1階段,資料基建約等於0,每天忙於做報表+給ETL提需求,覺得自己彷彿是個資料產品,不產生任何分析價值;
  • B對接的技術十分不靠譜,每天不是打點錯就是傳參錯,業務要看數,只能分析師手寫sql邏輯兜底;
  • C身處大廠成熟業務,資料基建完善且資料準確度高,但又覺得工作日常就是幫運營完成需求。

這麼聽下來,BI工作似乎挺坑,每天出資料、對資料、出報表、看資料,到特定時間點又是週報、月報,整體工作十分瑣碎。

年底述職時,銷售可以說與xx客戶簽訂年框直接帶來收入,產品可以說上線xx模組提升使用者體驗,演算法可以說迭代xx模型帶來xx%GMV增長,工程可以說攻克xx技術難題系統平響減少xx毫秒,BI可以說什麼呢?難道辛苦一年,到頭只能說上線報表xx張、完成月報12次、週報52次?

因此今天主要想談談分析師日常做什麼、工作模式是什麼,並由此引出BI在業務中創造的價值是什麼,也可以看作一篇工具人爬坑指南。

一、經營分析:讓業務更清晰

各崗位每日到崗首先做什麼?產品組織各方對齊進度、工程開晨會分配任務、演算法看前一天實驗效果,BI則應該開啟報表看昨日大盤情況。

日粒度關注核心指標日環比、周同比漲跌是否在正常 波動 範圍內,漲跌由哪些指標帶來,大致原因是什麼,需要額外分析還是持續觀察。

做完以上步驟後,就能對業務線核心指標的短期表現有較清晰的認知。有條件的同學甚至可以在中午和下班前再次關注實時資料,對今天業務核心指標是否有異常做預判。

每週特定時間點(通常周初or週末)需要對業務做 周總結 ,主要關注周環比、周同比(相比上月)、周同比(相比去年同期)、月MTD完成率以及月MTD同比情況。

在日粒度中持續觀察的現象,到了周粒度已經可以 形成趨勢性結論 ,如果確認為問題,需要儘早啟動專題分析。

另外周粒度的資料與結論需要定期與業務的 KeyPerson溝通 ,形式可以是週報、聊天文字、線下溝通等,核心目的是讓關鍵人員瞭解到核心指標的趨勢及原因,以及明確表達分析師結論和建議。

分析師通常通過月報來對業務進行月度review。通常業務關鍵目標都以月絕對值或年同比為為單位(例如銷售額月均xx萬、GMV同比增長xx%、DAU在x月前達到xx萬),在 月報 中主要關注業績完成情況:

  1. 好還是不好;
  2. 好or不好的動因是什麼;
  3. 動因是否可持續;
  4. 有無其他風險or機會點。

好還是不好依據【商業目標】判斷,這與KPI達成率可能有差異。

舉個栗子,廣告部門本月目標為消耗年同比+40%,以下3種情況均視作完成不好:

1)+37%,未完成顯然不達標。

2)+43%,超預期同樣不達標,盈利能力較強的上市公司會對收入增幅做嚴謹規劃,以保證收入漲幅長期符合市場預期,單月超預期增長會拉高市場預期,增加公司持續滿足市場預期難度。

3)+40%,但犧牲了業務健康度(例如擴廣告坑位、騙點選損害C端體驗以及廣告主ROI)。

在月度review中,還應關注業務關鍵策略的有效性,如重點營銷活動效果覆盤、流量策略效果分析等等。月報的彙報 溝通 層級比周粒度更高,不僅包含業務的KeyPerson,還可能包含BU核心人員甚至CXO。

有時候甚至還有業務季度、半年度、年度的review。

日粒度看短期波動、周粒度看中短期趨勢、月粒度看業績完成度、健康度及策略有效性。這些工作的目的是分析經營成果,因此統稱為 經營分析

通過分析師團隊持之以恆的經營分析,整個業務發展趨勢、核心有效策略、面臨的風險、與其他業務相互影響等等經營命題,及其過去、現狀、未來,都通過資料、報告、報表甚至日常溝通等形式,形成 具象、網狀、完整的業務檢測體系 ,使得CXO、1號位、策略制定者等核心人員才能以綜觀的視角自頂向下 清晰地“看見”業務

二、業務重點專案及專題分析:讓決策更高效

如果把做業務比作打仗,各時間粒度的經營分析活動就是堆沙盤。依據沙盤,結合戰略目標,才能確定有效戰術,對應到商業/業務中則是一個又一個的專案。

一個典型的專案按執行前、中、後可以分為問題定義階段、解決方案階段、解決過程執行階段、效果分析階段、事後review階段。BI在各個階段均可發揮資料與分析的作用,使得決策更有效、穩健。

下面以一個(wo)假(bian)設(de)的潛力新品冷啟案例來說明。

背景:通過日常經營分析,發現新品流量佔比年同比大幅下降;同時新品上架數量以及新品質量並無明顯下降;原因今年相對去年,由於演算法迭代排序公式中歷史銷量權重上升,流量環境對新品更加不友好。因此考慮對優質的新品適當通過加權提升流量。

問題定義階段:是不是問題。是不是問題從商業目標角度判斷,這裡簡化為GMV。長期來看新品無法起量會影響站內商品豐富度,進而影響到長期GMV,因此問題成立。

解決方案階段:

1)優質商品圈定:BI可以通過歷史資料對優質商品進行特徵分析,如圈定當前高轉化、高質量的商品在新品階段的流量資料表現、店鋪特徵、商詳頁特徵等;依據歷史優質商品特徵,可以由BI或資料開發直接圈定新品,或將新品特徵提供給演算法用模型進行最終判定。

2)是否有類目差異:新品能否順利起量對各個行業意義不同,例如對女裝的影響顯然大於清潔紙品行業;新品加權大概率會影響短期GMV(GMV短期換長期),因此對不同類目可以考慮採取不同策略,降低短期損失。在這個過程中,BI依然可以通過歷史資料對類目進行劃分。

3)加權方案:在簡單演算法流量場景,可以嘗試定坑或者在定坑基礎上疊加簡單業務規則(例如人群、類目);但在複雜流量場景依然建議把工作交給演算法。

解決過程執行階段:灰度階段主要涉及實驗效果觀測。在這個例子中主要關心優質新品的流量漲幅是否符合方案設計預期,以及整體場景流量、成交漲跌。灰度效果評估是C端及流量端相關業務BI的重要工作,這裡具體不做展開。

效果分析階段:全量上線並不意味所有工作結束;策略執行一段時間後,需要持續關注新品整體流量佔比,優質新品能否順利起量,以確保最原始的業務問題真正得到解決。

在某些情況下,問題解決方案強依賴BI結論,可以作為 專題分析 ,輸出更完備的分析結論。

三、基礎資料及資料產品

為保證經營分析、重點專案與專題分析效率,BI日常往往會花部分時間在基礎資料和資料產品方面。這部分工作主要與ETL、資料產品進行配合,同時也會與引擎端、前端就打點進行溝通。

經營分析指標體系依託商業目標與業務邏輯,往往相對穩定,至少幾個月才會變化,因此形成固定的表、模板、資料產品能大量節省時間。此外,與ETL緊密配合產出的業務中間層資料,也能大幅提升資料獲取效率以及準確度。

如果說經營分析、重點專案分析、專題分析是BI做業務所需要的劍,那麼資料基礎及資料產品則是鑄劍的工具。

四、非志無以成學

前文的標題借用了大廠BI部門的slogan,可以清晰概括出BI的核心價值: 讓業務清晰、讓決策更高效 。經營分析、業務重點專案分析、專題分析、資料基礎與產品這幾大塊共同構成了BI的日常工作。

此外,更重要的是 具有清晰的目標: 從業務中來,到業務中去,工作目的是解商業問題而非做資料本身。非學無以廣才,非志無以成學,這實際是一個遞進關係——要先堅定意志志向,才能保證自己會去學習,學習實踐了,才有廣博的才學,諸葛亮巧妙地把兩句話顛倒更近一步強調了“志”的重要性。

週報、月報不應是機械地複製貼上資料,而應該是主動回答業務好還是不好,好的動因,識別風險、尋求機會點,並積極做好結論溝通;資料需求交付不應是資料表格本身,而應該是業務問題的分析結論、建議。

再回過頭看開篇,優秀分析師的年終總結可以一定高度概括為通過xxx的分析,提出xx建議,業務依據建議落地後整體核心指標提升xx%。業務有問題,分析師解決了問題,大團圓結局。

優秀的BI可以比業務更懂業務,因為BI通過經營分析框架具有更綜觀的業務視角,同時崗位特性賦予BI更客觀的立場;優秀的分析師是業務資料的商業解碼器,會思考的是人不是資料;資料分析師應當發揮“軍師”的作用”,為主公和將領建言獻策,開疆擴土。

作者:Arwen的異想世界,網際網路電商大廠6.5年BI經驗;公眾號:Arwen的異想世界

本文由 @Arwen的異想世界 原創釋出於人人都是產品經理,未經許可,禁止轉載。

題圖來自 Unsplash,基於CC0協議。